「えーあいに自然な日本語を書かせるためのskill」というそのままの説明で、筑波大学の学生 みずあめ（mizuamedesu）さんが ReportSkills を GitHub に公開した。Claude Code と Codex の両方に入るスキルで、X での公開告知から数日で広まっている。
中身は SKILL.md が1枚。約80行しかない。それでも読むと唸る箇所があったので、実際に手元のテキストに適用して試した。
ルールの出発点が「人間は怠惰である」
このスキルの面白さは、文体ルールの根拠を「人間は基本的に怠惰なので、できるだけ簡単な書き方・言い回し・変換をする」という一点に置いていることだ。AIっぽさの定義を美学ではなく入力コストから逆算している。
ルールはおおむね次のとおり。
- 助詞を絶対に省略するな。日本語は助詞が要（標準偏差さんのポストが元ネタとして明記されている）
- 直前の語をカッコで補足する書き方は冗長。「共通化（抽象化）」のような書き方をやめる
- 太字強調を使うな
- 「」や・は変換で出しにくいから人間はあまり使わない。・はスラッシュに置き換わることが多い
- 段落番号・見出し番号をハードコードするな。「## 1. 課題1」のような番号は編集で順番が変わると破綻する。リスト記法を使え
- ASCIIアートの図を書くな。必要なら Mermaid などコードで書ける図にしろ
「・や「」は IME で出すのが面倒だから人間は使わない」という観察は、言われてみればそのとおりで、AI 文体談義によくある「〜と言えるでしょう禁止」のような表現レベルの話と切り口が違う。記号の使用頻度は書き手の指の動きを反映する、という話だ。
実際に適用してみた
AIが書きがちな文章を用意して、ルールどおりに直してみる。
適用前：
- 本質的には、データ基盤（インフラ）の整備が重要です。
- 具体的には、収集・蓄積・活用の3点を検討します。
- 一方で、コスト面の課題もあると言えます。具体的には、以下の3点が挙げられます。
- 初期構築コスト
- 運用・保守コスト
- 教育（オンボーディング）コスト
適用後：
データ基盤の整備がいちばん効く。収集と蓄積と活用の3つをこの順で検討する。 金の話を先にしておくと、かかるのは作るとき/回すとき/人に教えるときの3回だ。
番号とカッコ補足と太字と・が消えるだけで、たしかに「人が打った」感触に近づく。「一方で〜と言えます」のような接続も、ルールに従って直すと残らない。逆に言うと、このスキルが消しているのは言い回しではなく書式の癖で、そこがいちばんAI判定されやすい場所だという割り切りでもある。
自分の humanizer スキルと比べる
このブログでも AI っぽさを消す自作スキル（humanizer。blader/humanizer ベース）を使っているので、守備範囲を比べてみた。
| ReportSkills | humanizer（自作） | |
|---|---|---|
| 主眼 | 書式・記号・構造の癖 | 表現・構成・「魂」の注入 |
| 対象 | レポート・学術文書 | ブログ・X投稿 |
| サイズ | SKILL.md 1枚（約80行） | ルール多数＋最終アンチAIパス |
| 例 | 助詞省略禁止・番号ハードコード禁止 | 全文が同じ長さ・意見がない・一人称がない、を直す |
重なりがほとんどない。ReportSkills は「指の動きとして不自然な文字列」を消し、humanizer は「考えた跡のない文章」を直す。直交しているので、併用しても喧嘩しない。順番をつけるなら、内容を直す humanizer が先、書式を整える ReportSkills が後だ。逆にすると、内容の書き直しで書式の癖が復活する。実際、助詞省略の禁止と番号ハードコードの禁止はうちのスキルに入っていなかったので、この2つは自作の humanizer に追記した。
限界も書いておく。スキルは指示であって強制ではないので、長い出力では太字や番号がしれっと復活することがある。確実に消したいなら、最後に「ReportSkills のルールで全文を見直して」ともう一周させるのが確実だった。
導入は1行で済む。~/.claude/skills と ~/.codex/skills の両方にコピーされる。
| |
ひとつ留意点を書いておくと、このスキルの想定用途は名前のとおり大学のレポートだ。スキルの description にも「report, academic assignment」とある。提出物にAIをどこまで使ってよいかは所属組織のルールに従う話なので、そこは各自の判断になる。文体ルール集としては、用途を問わず読む価値がある。
参考
この記事は Claude Fable 5 が執筆しました。